综合决策支持系统,6.1 基于模型库与知识库的传统决策支持系统6.2 基于数据仓库的新决策支持系统,第（1）部分,6.1.1 传统决策支持系统1、1980年Sprague提出了决策支持系统三部件结构； 2、1981年Bonczak等提出了决策支持系统三系统结构； 3、根据以上两种结构的优缺点建立起来的统一的DSS结构； 4、20世纪90年代初，决策支持系统与专家系统结合起来，形成了智能决策支持系统（IDSS）。,6.1 基于模型库与知识库的传统决策 支持系统,1、1980年Sprague提出了决策支持系统三部件结构:,2、1981年Bonczak等提出了决策支持系统三系统结构:,用户,语言系统 （LS）,问题处理系统 (PPS),知识系统 (KS),3、根据以上两种结构的优缺点建立起来的统一的DSS结构:,4、20世纪90年代初，决策支持系统与专家系统结合起来，形成了智能决策支持系统（IDSS）:,6.1.2 传统决策支持系统的发展,1、大连理工大学、山西省自动化所和国际应用系统分析研究所（IIASA）合作完成了山西省整体发展规划决策支持系统。2、国防科技大学完成的北京市房山区发展规划决策支持系统。3、我国早期创办的决策与决策支持系统刊物，现为管理科学学报,为决策支持系统的发展作出了贡献。,6.1.2 传统决策支持系统的发展,4、笔者于1989年在国内较早地研制完成了“决策支持系统开发工具GFKDDSS”。用GFKDDSS工具开发了南京林业大学的“松毛虫智能预测系统”。5、中国科学院计算技术研究所1996年完成的“智能决策系统开发平台IDSDP”。6、笔者于1995年完成的“分布式多媒体智能决策支持系统平台DMIDSSP” 。,6.1.2 传统决策支持系统的发展,7、笔者于1999年研制出“基于客户机/服务器的决策支持系统快速开发平台CSDSSP”，平台在互联网上由客户端、广义模型服务器、数据库服务器三部分组成，构成三层客户机/服务器结构模式。CSDSSP平台的可视化系统生成工具能够快速地制作应用系统并能够可视化运行应用系统，又可以快速改变应用系统方案。,6.1.3 传统决策支持系统的关键技术 和开发困难,DSS的关键技术：（1）模型库系统的设计和实现。（2）部件接口。部件接口包括对数据部件的数据的存取，对模型部件的模型的调用和运行，以及对知识部件的知识完成推理。（3）系统综合集成。通过集成语言完成对各部件的有机综合，形成一个完整的系统。,DSS的开发困难：（1）模型库系统没有统一的理论和产品，研制者需要自己设计和开发。（2）DSS综合部件对数据、模型、知识3个部件进行有机集成。现已开发出来的决策支持系统都是自行设计和实现模型库系统、自己研制实现模型、知识、数据集成的综合语言。,6.1.3 传统决策支持系统的关键技术和 开发困难,6.2.1 数据仓库技术及困难6.2.1.1 数据仓库技术1、管理大量数据数据仓库中的数据量是10GB或100GB级的，数据仓库开发需要满足处理大量数据的需求。2、数据的高效装入和数据压缩（1）装入数据：装入的数据量很大，同时也要装入高效的索引。（2）数据压缩：DW数据量大需要进行数据的压缩。,6.2 基于数据仓库的新决策支持系统,3、存储介质的管理数据仓库中的数据量是10GB或100GB级的，数据仓库开发需要满足处理大量数据存储介质的需求。,存储介质 访问速度 存储费用,主存 非常快 非常贵 扩展内存 非常快 贵 高速缓存 非常快 贵 磁盘 快 适中 光盘 不慢 不贵 微缩胶片 慢 便宜,6.2.1.1 数据仓库技术,4、元数据管理没有一个好的元数据来运作的话，DSS分析员的工作就非常困难。 5、数据仓库语言数据仓库语言可有效管理数据仓库中的数据和快速、高效地访问数据仓库中的数据。6、高效索引数据仓库不仅能够方便地支持新索引的创建和装入，而且要能够高效地访问这些索引。,6.2.1.1 数据仓库技术,7、数据仓库的特殊管理（1）复合键码：能够支持复合键码。（2）变长数据：有效管理变长数据的能力。（3）快速恢复：快速地恢复数据仓库表。8、多维DBMS和数据仓库多维数据库管理系统（多维DBMS）提供了用多种方法对数据进行切片、分割，动态地考查汇总数据和细节数据的关系，非常适合DSS环境。数据仓库中的细节数据为多维DBSM提供了数据源，数据要定期从数据仓库中导入到多维DBMS中去，为DSS用户服务。,6.2.1.1 数据仓库技术,数据仓库由于数据量大（具有GB级到TB级的数据），使得数据的存储和管理复杂，因此数据仓库需要一个具有海量存储的硬件平台和一个能进行并行处理的大型数据库系统。,6.2.1.2 数据仓库开发的困难,总结开发数据仓库的典型错误包括以下几方面：（1）没有理解数据的价值。（2）未能理解数据仓库概念。（3）未清楚了解用户将如何使用数据仓库之前，便贸然开发数据仓库。（4）对数据仓库规模的估计模糊。（5）忽视了数据仓库体系结构和数据仓库开发方法。数据仓库的开发只有克服了以上的错误观念，才能真正发挥它的作用，得到发展。,6.2.1.2 数据仓库开发的困难,有两类本质不同的最终用户：1. 信息的使用者，他们是数据仓库的大多数用户，他们从数据仓库中获取所需要的信息；2. 探索者，他们利用联机分析处理（OLAP）和数据挖掘（DM）工具对数据仓库进行深层次的分析，获取辅助决策信息，即利用数据仓库建立决策支持系统。,6.2.2 数据仓库与新决策支持系统,信息使用者以一种可预测的、重复性的方式来使用数据仓库平台。信息使用者完成查询时，他们找到的只是少量“精华”。他们查看相对少量的数据，并通常查看概括数据或聚集数据。信息使用者通常查看相同的商业维度（也就是产品、客户、时间）和指标（即收入和成本）随时间的发展趋势。,6.2.2.1 数据仓库系统的用户,数据仓库的信息使用者对数据仓库的使用具有以下特征：,（1）在搜索数据前，已经知道对数据的需求。（2）他们是有规律地访问数据。（3）能知道他们正在寻找什么。（4）他们访问的数据量较小。（5）访问可预测的数据。,（6）经常处理以前访问的数据。（7）经常访问各类综合数据。（8）较少访问最近的详细数据。（9）能发现少量的精华。（10）最佳的数据结构是星型模型。,决策支持系统的用户是探索者。探索者并不知道什么是他们所需要的。“当我看见它的时候，我就会知道我需要的是什么”探索者的一项任务就是根据过去的成功和失败来尽力确定未来处理商务的更好方法。例如，过去哪些商品促销的不错？其中，偏爱这类商品的客户特征是什么？,6.2.2.2 决策支持系统的用户,(1)不规律地访问数据(2)只知道总体的需求(3)有规则的访问最近的详细数据(4)查看数据关系而不是数据值(5)利用数据挖掘/统计分析工具进行探索(6)最佳的数据结构是关系结构,6.2.2.2 决策支持系统的用户,探索者要完成4种基本类型的工作：,（1）概况分析：概况分析用来评定是否有充分的样本数据量。在抽取、建模和分类之前，概况分析活动对于确保数据质量非常关键。 （2）抽取：数据抽取的任务就是从数据仓库中抽取指定的数据，送入用来支持探索者分析活动的临时仓库中。,探索者要完成4种基本类型的工作：,（3）建模：建模是开发一种用来描述实体（也就是客户、产品和渠道）特征的模型的过程，根据数据仓库中的实体来分类这些实体，并可预测将来的结果。探索者普遍使用的模型应包括客户分段、后续产品、欺诈检测、渠道响应、客户生存期价值和推销响应（4）分类：探索者依据这些实体与这个模型的匹配来分类数据仓库中的其他实体。,探索者帮助指导战略的处理商务，而信息使用者是从战术上监控这些决策的效果。例如，根据信息使用者的报告，公司正在流失更多的顾客。探索者开始调查以揭示为什么公司正在失去这么多客户。探索者将和业务组一起制定保留高价值客户的战略。信息使用者则需要连续观察客户保留量，并报告执行这些战略的效果和它们与所期望的程度相差多少。,6.2.2.3 信息使用者和探索者的关系,数据仓库是为辅助决策而建立的，单依靠数据仓库能力是有限的。数据仓库中有大量的轻度综合数据和高度综合数据。这些数据为决策者提供了综合信息。数据仓库保存有大量历史数据，这些数据通过预测模型计算可以得到预测信息。综合信息与预测信息是数据仓库所获得的辅助决策信息。,6.2.2.4 新决策支持系统结构,数据仓库（DW）中增加联机分析处理（OLAP）和数据挖掘（DM）等分析工具，能较大地提高辅助决策能力。联机分析处理得到更深层的信息和知识。利用数据挖掘技术对数据仓库中数据的挖掘，才能获取更多的辅助决策信息和知识。DWOLAPDM的决策支持系统是以数据仓库为基础的，称为基于数据仓库的新决策支持系统。,6.2.2.4 新决策支持系统结构,基于数据仓库的新决策支持系统结构:,新决策支持系统的特点是从数据中获取辅助决策的信息和知识。,商业智能（business intelligence，BI）概念最早是Garther于1996年提出的。商业智能以数据仓库为基础，通过联机分析处理和数据挖掘技术帮助企业领导者针对市场变化的环境，作出快速、准确的决策。商业智能是一种技术，新决策支持系统是解决实际决策问题的一个系统。新决策支持系统是利用商业智能技术来解决实际决策问题的系统。商业智能所体现的智能行为在于:能够解决市场环境中随机变化的决策问题。,6.2.3 新决策支持系统与商业智能,商业智能的决策支持表现为以下几方面。 1、商业智能的数据分析 （1）联机分析处理的多维数据分析对多维数据进行切片、切块、钻取、旋转等操作来完成多维数据的分析。 （2）what-if分析（假设分析）what-if分析为决策者提供多种参考依据，提高决策效果。 （3）建立客户购买商品的偏爱和选择模型通过模型找出客户偏爱和选择商品的关系，扩大公司在市场中的竞争能力。,6.2.3 新决策支持系统与商业智能,2、业务智能管理 （1）客户智能客户智能是提供全方位的客户信息查询、分析和监控的系统。 （2）营销智能通过分析、报告、管理和监控营销信息来帮助企业的高级执行官、营销专家和分析人员制定战略性的营销策略。 （3）销售智能提供全面的销售团队分析、销售业绩分析、根源分析和业绩管理来帮助企业领导者制定销售策略及对销售业务快速作出市场反应。,6.2.3 新决策支持系统与商业智能,（4）服务智能提供强大的服务智能分析（服务请求状态分析、服务请求解决方案分析、代理商/分析人员效率分析等）和个性化服务来分析与服务相关活动的全面信息，监控服务质量。最终帮助企业制定更合理高效的服务策略。 （5）采购智能提供一些工具，用于确定哪些供应商一直在及时提供质优价廉的产品和服务。这些信息用来建立供应商战略联盟，改善供应商关系，更直接地将重点放到改进供应商服务的机会上。,6.2.3 新决策支持系统与商业智能,（6）流程管理智能为流程制造商提供产品、生产、存货和成本信息以解决流程制造业中的特定问题，为流程制造商提供更好的决策信息和持续流程改善的建议。 （7）财务智能提供一种易于使用的Web格式的财务盈利状况分析报表、现金流分析报表、现金状况分析报表、资产管理分析报表、项目分析报表等，方便企业迅速地分发财务信息，从而使财务主管能更及时地作出更好的决策。,6.2.3 新决策支持系统与商业智能,1、沃尔玛（Wal-Mart）公司简介美国的沃尔玛（Wal-Mart）是世界最大的零售商，2002年4月，该公司跃居财富500强企业排行第一，在全球拥有4000多家分店和连锁店。 2、信息技术的成功运用造就了沃尔玛（1）Wal-Mart建立了基于NCR Teradata数据仓库的决策支持系统，它是世界上的第二大数据仓库系统，总容量达到170TB以上。,